La vitrine de diffusion des mémoires et thèses de l'ÉTS
RECHERCHER

Équifinalité, incertitude et procédures multi-modèle en prévision hydrologique aux sites non-jaugés

Arsenault, Richard (2015). Équifinalité, incertitude et procédures multi-modèle en prévision hydrologique aux sites non-jaugés. Thèse de doctorat électronique, Montréal, École de technologie supérieure.

[img]
Prévisualisation
PDF
Télécharger (16MB) | Prévisualisation
[img]
Prévisualisation
PDF
Télécharger (14MB) | Prévisualisation

Résumé

L’objectif du présent projet de recherche est d’analyser diverses méthodes de prévision hydrologique sur des bassins versants non-jaugés et d'en mieux comprendre les limitations afin d’y apporter des améliorations. Ce projet est divisé en trois parties distinctes, chacune ayant contribué à au moins un article scientifique parmi les sept contenus dans cette thèse.

La première partie consiste en la réduction de l’incertitude paramétrique en améliorant le calage des modèles hydrologiques. Une comparaison et une analyse de 10 méthodes d’optimisation automatiques a permis d’identifier les algorithmes les mieux adaptés aux problèmes de calage associés à ce projet. Cela a permis d’identifier des jeux de paramètres plus performants et plus robustes, ce qui s’avère être une hypothèse forte dans certaines méthodes de régionalisation. Dans la même optique, des méthodes de réduction paramétrique ont été testées et une approche de fixage de paramètres par analyse de sensibilité globale a été sélectionnée. Il a été démontré que le modèle hydrologique HSAMI pouvait, avec entre 8 et 11 paramètres fixés sur 23, conserver sa performance en validation ou en régionalisation. Cependant, malgré la réduction de l’équifinalité et l’amélioration de l’identification paramétrique, fixer des paramètres ne contribue pas à augmenter la performance des méthodes de régionalisation. Cette conclusion va à l’encontre du concept de parcimonie généralement accepté dans la communauté scientifique.

La seconde partie du projet touche la modélisation multi-modèle, où il a été montré que de pondérer les hydrogrammes simulés de plusieurs modèles améliore la performance de manière significative par rapport au meilleur modèle individuel. Une comparaison des approches classiques de pondération multi-modèle ainsi que le développement d’une nouvelle méthode a permis de sélectionner le meilleur outil pour les besoins du projet. Deux essais ont été effectués en multi-modèle. Premièrement, l’approche multi-modèle a été appliquée en régionalisation avec trois modèles hydrologiques. Cependant, il a été démontré que la robustesse de deux des modèles était insuffisante pour améliorer les performances du troisième. Enfin, une approche novatrice multi-modèle dans laquelle un modèle est lancé avec plusieurs sources de données différentes a montré sa capacité à réduire les erreurs liées aux données météorologiques en simulation.

La dernière partie du projet est directement liée à la régionalisation. Il y a été démontré que l’équifinalité paramétrique n’influence que très peu la qualité des prévisions aux sites nonjaugés et que la performance du modèle est plus importante que l’identifiabilité des paramètres, du moins, pour le modèle hydrologique utilisé ici. Une nouvelle approche hybride de régionalisation a également été proposée. Cette nouvelle approche a montré une meilleure performance que les approches classiques.

Finalement, les approches de régionalisation ont été mises à l’épreuve dans un laboratoire numérique issu d’un modèle régional de climat. Ceci a permis de les analyser dans un environnement exempt d’erreurs de mesure sur les données météorologiques et physiographiques. La cohérence physique entre la météorologie et l’hydrologie de ce monde virtuel était également respectée. Il a été démontré que les descripteurs physiques ne sont pas suffisants pour prévoir la capacité d’une méthode de régionalisation à bien fonctionner, en plus de montrer que les incertitudes liées à ces mesures sont moins importantes que ce qui rapporté dans la littérature.

Titre traduit

Equifinality, uncertainty and multimodel averaging in streamflow prediction in ungauged basins

Résumé anglais

The objective of the present project is to analyse different methods to predict streamflow in ungauged basins in order to define their limitations and, ultimately, improve upon them. This project contains three distinct parts, each one having contributed to at least one of the seven scientific papers presented in this thesis.

The first part consists in reducing parameter uncertainty by improving the automatic calibration algorithms. A comparison and analysis of 10 optimization methods allowed identifying the most appropriate optimization algorithms in hydrological model calibration. The end result was the selection of efficient and robust calibration algorithms which helped in reducing uncertainty linked to parameter equifinality, which is an important hypothesis behind some regionalisation approaches. On a similar note, parameter reduction and fixing techniques (global sensitivity analysis methods in particular) were investigated to remove unnecessary parameters from hydrological models. The aim was to improve parameter identifiability by reducing the parameter space and model dimensionality. It was shown that for the HSAMI hydrological model, 8 to 11 parameters out of 23 could be fixed with little to no loss in validation and regionalisation performance. However, the improved identifiability and reduced parametric uncertainty did not result in improved regionalisation skill. This major finding is directly opposed to the generally accepted parsimony concept.

The second part of the project involves multi-model averaging of hydrological simulations, in which it was shown that hydrographs generated by different models can, when weighted and averaged appropriately, offer better performance than that of any single model. A comparison of popular model averaging weighting schemes as well as the development of a new technique made it possible to select the best tools to attempt regionalisation approaches under a multi-model averaging framework. In this part of the study, three models were used to attempt predicting streamflows at ungauged sites with the main regionalisation methods. Even though the results showed that model averaging did not perform as expected in regionalisation, it was found that model robustness is important in this type of application. A second project made use of the multi-model averaging concept in a novel way. In that paper, models were run multiple times on the same catchment with different sources of inputs on each run. The resulting hydrographs were averaged according to the multi-model averaging framework. The results showed that the performance was better than by using a single source of climate data and multiple models. The best scenario was a combination of multiple models and multiple sources of input data. It is recommended that hydrological simulations be ran with multiple models and multiple inputs for more robust estimates of hydrological response.

The last part of the project directly targeted the regionalisation methods themselves. It was shown that parameter equifinality plays a very minor role in the regionalisation methods’ skill. It was also demonstrated that the hydrological model’s performance is more important than parameter identifiability as it can simulate the complex interactions between the model parameters and catchment physics to a certain extent; something that the linear regression methods were constantly unable to do. Another important contribution made in this thesis was the creation of a new hybrid regionalisation method which slightly outperformed the classic methods.

Finally, the regionalisation approaches were analysed in a virtual world setting, which is a reconstruction of the real world inside a Regional Climate Model. This allowed investigating their strengths and weaknesses from within a uncertainty-free environment. Climate, hydrometric and physical characteristic data are physically coherent and present the advantage of working in a "world" without missing data or measurement biases. Within this virtual-world, it was shown that the physical characteristics (catchment descriptors) are not sufficiently precise or adequate to explain the regionalisation mehtods’ performances. It was also presented that the uncertainty related to climate and hydrometric data are less important than previously thought.

Type de document: Mémoire ou thèse (Thèse de doctorat électronique)
Renseignements supplémentaires: "Thèse par articles présentée à l'École de technologie supérieure comme exigence partielle à l'obtention du doctorat en génie". Bibliographie : pages 355-377.
Mots-clés libres: Modèles hydrologiques Modèles mathématiques. Étalonnage. Cours d'eau Débit Prévision. Bassins hydrographiques. équifinalité, non-jauge, régionalisation hydrologique, prévision aux sites non-jaugés, modélisation multi-modèle, réduction paramétrique
Directeur de mémoire/thèse:
Directeur de mémoire/thèse
Brissette, François
Co-directeurs de mémoire/thèse:
Co-directeurs de mémoire/thèse
Caya, Daniel
Programme: Doctorat en génie > Génie
Date de dépôt: 05 août 2015 18:40
Dernière modification: 05 août 2015 18:40
URI: http://espace.etsmtl.ca/id/eprint/1488

Actions (Identification requise)

Dernière vérification avant le dépôt Dernière vérification avant le dépôt

Statistique

Plus de statistique...